Move SPA è una giovane azienda di circa 80 persone costituita da due divisioni principali: Move-X e Move Solutions. Move-X si occupa di design elettronico integrato realizzando micro-chip per applicazioni smart-power, Move Solutions di monitoraggio strutturale progettando sensori per il rilevamento delle grandezze fisiche d'interesse delle strutture civili ed una piattaforma cloud di analisi, elaborazione e gestione dei dati provenienti dal campo. Siamo alla ricerca di una figura in ambito Data Science che si unisca al team di R&D che opera su progetti di entrambe le divisioni aziendali. Il futuro collega si troverà a lavorare in un team multidisciplinare che cerca di applicare ad entrambi gli ambiti varie tecniche di modellizzazione di problemi fisici, anomaly detection, depurazione dei dati, analisi statistiche, ottimizzazione automatica e creazione di modelli surrogati. È richiesta una forte passione per il problem solving, alla ricerca, per il lavoro in team e per la sperimentazione di tecniche innovative applicabili ad ambiti multidisciplinari. REQUISITI PRINCIPALI Competenze nel campo della matematica, calcolo numerico, della statistica applicata e degli algoritmi Machine Learning per la modellizzazione matematica e tecniche predittive. Conoscenza di Python ed esperienza nell’utilizzo di framework e delle principali librerie per Data Science come PyTorch, Pandas, Scikit-Learn, Numpy e simili. Competenze nell'acquisizione, stoccaggio, manipolazione, progettazione di pipeline di grandi quantità di dati. Conoscenza di sistemi di version control come GIT, DVC o simili. Laurea magistrale in matematica, informatica, fisica, ingegneria informatica e loro derivazioni (Data Science, Computer Science, AI ecc.). REQUISITI (apprezzati) PhD in uno dei corsi di laurea sopracitati. Competenze nell’ottimizzazione numerica, come algoritmi Genetici o simili. Familiarità con contesti HPC, con job dispatcher come Slurm o simili e con protocolli per il calcolo parallelo come OpenMPI o OpenMP. Conoscenza di web-framework python come Django, Flask, FastAPI per sviluppo di microserverzi orientati a messa in produzione di algoritmi di ML (i.e. MLOps). Conoscenza di database NO-SQL (e.g. MongoDB) e SQL (e.g. ClickHouse) per gestione di serie temporali e dati reali. Conoscenza di linguaggi di basso livello come C, C++, Golang, Fortran o simili per calcolo numerico. Esperienze lavorative pregresse. Livello di inglese parlato e scritto B2. PROGETTI ATTUALMENTE ATTIVI Progetto ‘Automatic Electronic Design’ Lo scopo del progetto è di realizzare la parte algoritmica di un software in grado di sintetizzare a livello schematico alcune classi di circuiti analogici integrati come amplificatori operazionali, specchi di corrente, circuiti di bandgap, regolatori. Per raggiungere l’obiettivo è necessario risolvere complessi problemi di ottimizzazione multi-variata interfacciando dati prodotti tramite simulatori elettrici. Il processo di ottimizzazione per essere rapido e fruibile dall’utente finale ha necessità di essere accelerato utilizzando modelli surrogati che emulano la risposta del circuito. La costruzione di tali modelli richiede a sua volta di impostare un DoE (Design of experiments), effettuare analisi di sensitività, fitting di vario genere e incorporare l'esperienza/feedback (domain knowledge integration) degli ingegneri elettronici. Il software finale, che verrà portato a livello produzione dal team IT, sarà disponibile per il Deployment sulle server-farm dei principali produttori internazionali di chip integrati. Progetto ‘Automatic FEM Updating’ Le strutture civili di recente vita hanno spesso associato un modello numerico (FEM) che viene sviluppato contemporaneamente alla progettazione della struttura ed utilizzato per effettuare verifiche di vario tipo. Una volta edificata la struttura non si ha un effettivo riscontro che il modello numerico ne emuli fedelmente il comportamento e nel corso del tempo, a causa di fenomeni di invecchiamento e stress, realtà e FEM potrebbero distanziarsi ulteriormente. Questo progetto ha lo scopo di utilizzare le serie temporali dei dati provenienti dalla sensoristica installata sul struttura (accelerometri, inclinometri, estensimetri ecc.) per “tunare” il FEM automaticamente rendendolo sempre allineato al comportamento reale della struttura. In questo modo è possibile costruire un vero e proprio “Digital Twin” della costruzione utilizzabile nel corso del tempo per simulare ed anticipare scenari di danno sulla struttura aumentandone la vita utile e la sicurezza. Progetto ‘Structural Health Monitoring and Structural damage detection’ Questo progetto ha lo scopo di creare algoritmi in grado di rilevare anomalie nelle serie temporali misurate da gruppi di sensori installati su una struttura per poi creare delle carte di controllo su cui settare delle soglie di attenzione e di allarme. Tali warning saranno poi resi disponibili sulla piattaforma cloud di monitoraggio, supportando gli utenti (ingegneri civili responsabili della struttura) nel prendere decisioni. PROPOSTA ECONOMICA Contratto a tempo indeterminato CCNL commercio, RAL base 27K annui (fino a 35K a seconda dell'esperienza, titoli di studio e colloquio); ORE LAVORATIVE 7h30m dal lunedì al venerdì (possibilità di smart working) POSIZIONE J-18808-Ljbffr